2行をセットにして比較

Question

(file1)
12    CA  1.00   49.66 -0.0125
12    C   1.00   57.90  0.1763
13    CA  1.00   57.10  0.4509
13    C   1.00   61.98  0.4591
14    CA  1.00   62.19  0.1501
14    C   1.00   63.58  0.1205 

(file2)
1    CA  1.00   67.95  0.3678
1    C   1.00   67.95  0.1392
2    CA  1.00  236.11  0.2495
2    C   1.00  236.11  0.7734
3    CA  1.00  237.00  0.6279
3    C   1.00  237.00  0.1079

file1とfile2の5列目の大小を比較し、大きい方を出力するということをしたいです。
ただし、ある行で2列目がCAのときにfile1の方が大きくても、その行と1列目が同じ次の行でfile2の方が大きいならば、ある行でもfile2を出力するようにしたいです。

つまり、1列目が同じである2行をセットで比較したいです。

(file1)
12    CA  1.00   49.66 -0.0125　←この
12    C   1.00   57.90  0.1763　←2行と
13    CA  1.00   57.10  0.4509
13    C   1.00   61.98  0.4591
14    CA  1.00   62.19  0.1501
14    C   1.00   63.58  0.1205 

(file2)
1     CA  1.00   67.95  0.3678　←この
1     C   1.00   67.95  0.1392　←2行をセットとして比較
2     CA  1.00  236.11  0.2495
2     C   1.00  236.11  0.7734
3     CA  1.00  237.00  0.1279
3     C   1.00  237.00  0.1079

(得たい結果）
1     CA  1.00   67.95  0.3678  # file1 < file2
1     C   1.00   67.95  0.1392  # file1 > file2だが、前の行の結果からfile2を出力
2     CA  1.00  236.11  0.2495  # file1 > file2だが、次の行の結果からfile2を出力
2     C   1.00  236.11  0.7734  # file1 < file2 
14    CA  1.00   62.19  0.1501  # file1 > file2　→ file1を出力
14    C   1.00   63.58  0.1205  # file1 > file2　→ file1を出力

そこで、以下のようなスクリプトを書きました。

path = 'file1'
path2 = 'file2'

f = open(path)
f2 = open(path2)
list = f.readlines()
list2 = f2.readlines()
f.close()
f2.close()

for (line,line2) in zip(list,list2):
        line1_1 = line[23:30]
        line2_1 = line2[23:30]
        line1_2 = float(line1_1)
        line2_2 = float(line2_1)
        line1_3 = line[6:8]
        line2_3 = line2[6:8]
        if line1_3 == "CA" and line2_3 == "CA" and (line1_2 < line2_2):
           fileobj = open("sequence_line.log","a")
           fileobj.write(line2)
        elif line1_3 == "CA" and line2_3 == "CA" and (line1_2 >= line2_2):
           if  line1_3 == "C " and line2_3 == "C " and line1_2 < line2_2:
               fileobj = open("sequence_line.log","a")
               fileobj.write(line2)
           else:
               fileobj = open("sequence_line.log","a")
               fileobj.write(line1)
#　ここまでで、CAの行がfile1 < file2 →　file2を出力
#　　　　　　 CAの行がfile1 > file2 かつ その次のCの行がfile1 < file2 →　file2の行を出力 はOK
        elif line1_3 == "C " and line2_3 == "C " and (line1_2 < line2_2):
           fileobj = open("sequence_line.log","a")
           fileobj.write(line2)
        elif line1_3 == "C " and line2_3 == "C " and (line1_2 >= line2_2):
           if line1_3 == "CA" and line2_3 == "CA" and (line1_2 < line2_2):
              fileobj = open("sequence_line.log","a")
              fileobj.write(line2)
           else:
              fileobj = open("sequence_line.log","a")
              fileobj.write(line1)
#  Cの行がfile1 < file2 →　file2を出力　はOK
##  Cの行がfile1 > file2 かつ　その前のCAの行がfile1 < file2 → file2の行を出力ができない。。。

説明するのが難しく、理解しづらいかもしれませんが、要は2行セットで比較したいです。
何かうまいやり方をご存知でしたらお願いします。

Comments

[can110]

要するに、①２行を一括して比較する。②第１行目と第二行目どちらもfile1 > file2ならfile1、③そうでなければfile2を出力、というルールでしょうか？

[退会済みユーザー]

その通りです。書き方が悪くてすみません。

Answer 1

実現したいことは
0. ２行を一括して比較する
0. 第１行目と第二行目どちらもfile1 > file2ならfile1
0. そうでなければfile2を出力

と表現できます。愚直ですが以下のようなループで実現できます。

lst1 = [1,2,3,4,5,6]
lst2 = [2,1,2,5,4,5]
assert((len(lst1) == len(lst2)) and (len(lst1) % 2 == 0))

# 以下、行番号は０始まりで考える。先頭行＝０行目
prev = '' # 奇数行目の出力用
for i in range(len(lst1)):
    ret = prev
    if i % 2 == 0: # 偶数行目で比較
        ret = 'lst2'
        if lst1[i] > lst2[i] and lst1[i+1] > lst2[i+1]:
            ret = 'lst1'
        prev = ret # 奇数行目用に記憶
    print(i,ret)
"""
0 lst2
1 lst2
2 lst2
3 lst2
4 lst1
5 lst1
"""

Comments

[退会済みユーザー]

回答ありがとうございます。
lst1 = [1,2,3,4,5,6]
lst2 = [2,1,2,5,4,5]
とはどういう意味でしょうか。

[can110]

単に例示のためのサンプルデータです。lst1はfile1の代わりです。
「-0.0125,…」のような実数値だと確認しずらいので単純な値にしています。

[退会済みユーザー]

for文で何をしているのか説明していただけませんか？

[can110]

具体的にどの部分の何が分からないでしょうか？

[退会済みユーザー]

提示していていただいたコードでは5列目のみ処理、出力していますが、実際には行全体を出力したいです。
そこで、for文の前にfor文とスライスを使って5列目を変数とし、処理を行っています。

for (line,line2) in zip(list,list2):
line1_1 = line[23:30]
line2_1 = line2[23:30]

を入れています。
そうすると、うまくいきません。
そこで、提示していていただいたコード内容の理解を深めたいので、説明をお願いできませんか？

[can110]

まずは私の単純な回答コードの動きは理解されましたか？
なお、提示コードはあまりに複雑？なので、私はコードおよび動作は見ていません。

[退会済みユーザー]

初めに確認致しました。

実際のファイルはかなり行や列の数が多いので、それに対応できるよう編集しようと考えています。

prev = '' # 奇数行目の出力用
for i in range(len(lst1)):
ret = prev

の部分が分からないので、どういう操作なのか教えてください。

[can110]

forループは１データ行毎に処理していますが
１つ前の偶数行で求めた結果を、奇数行（どちらが大きいか求める必要がない行）でも出力できるようにprevに記憶させています。
このprev変数は、行や列の数には関係なく「file1、file2のどちらが大きかったか」という２状態だけを持てればよいので、たとえばbool型の変数でも代用できます。